Modelagem computacional de perfis farmacocinéticos: estimação paramétrica bayesiana e redes neurais artificiais

• Processo: 20/05556-0
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de setembro de 2020
• Data de Término da vigência: 28 de fevereiro de 2023
• Área do conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Probabilidade e Estatística Aplicadas
• Pesquisador responsável: Diego Samuel Rodrigues
• Beneficiário: Diego Samuel Rodrigues
• Instituição Sede: Faculdade de Tecnologia (FT). Universidade Estadual de Campinas (UNICAMP). Limeira , SP, Brasil
• Pesquisadores associados: Anibal Thiago Bezerra ; José Ricardo de Arruda Miranda ; Verónica Andrea González-López
• Auxílio(s) vinculado(s): 24/21475-1 - 16th Dynamical Systems Applied on Biology and Natural Sciences - DSABNS 2025, AR.EXT
• Assunto(s): Redes neurais (computação) Modelagem computacional Equações diferenciais ordinárias Inferência bayesiana Farmacologia Farmacocinética Nanomedicina Nanopartículas magnéticas Biossusceptometria de corrente alternada
• Palavra(s)-Chave do Pesquisador: Biossusceptometria | Farmacologia | Inferência Bayesiana | Modelos de Equações Diferenciais Ordinárias | Nanomedicina | Redes Neurais Artificiais | Modelagem Computacional Aplicada à Farmacocinética

Resumo

Este projeto de pesquisa trata do desenvolvimento e implementação de modelos computacionais que forneçam embasamento teórico-quantitativo de processos de biodistribuição de fármacos, com enfoque em farmacocinética de nanopartículas magnéticas (NPMs), mas também em processos de esvaziamento gástrico tardio. Seus aspectos significantes e inovadores incluem: 1) desenvolvimento de modelos computacionais que fornecerão descrição quantitativa inédita de perfis farmacocinéticos experimentais; 2) desenvolvimento de tecnologia para experimentação virtual de várias configurações experimentais em ambiente in silico; 3) progresso do conhecimento científico em modelagem de incertezas (estatística bayesiana) e em problemas de classificação (redes neurais artificiais). Embora o projeto seja de caráter teórico-computacional, todos os aspectos anteriormente descritos serão desenvolvidos com embasamento em dados de experimentos in vivo, favorecendo a interdisciplinaridade inerente às investigações propostas, notadamente nas áreas de computação, estatística, farmacologia e física. Além de fomentar o avanço científico nessas áreas, o projeto também repercutirá na formação de recursos humanos, impactando diretamente no incentivo e fomento à pesquisa de estudantes de iniciação científica e também de pós-graduação. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

BEZERRA, ANIBAL THIAGO; PINTO, LEONARDO ANTONIO; RODRIGUES, DIEGO SAMUEL; BITTENCOURT, GABRIELA NOGUEIRA; DE ARRUDA MANCERA, PAULO FERNANDO; DE ARRUDA MIRANDA, JOSE RICARDO. Classification of gastric emptying and orocaecal transit through artificial neural networks. Mathematical Biosciences and Engineering, v. 18, n. 6, p. 9511-9524, 2021. (20/05556-0)